Gemini Omni Flash 图片转视频 API
google/gemini-omni-flash/image-to-video
Gemini Omni Flash Image to Video 可将输入图片动画化为带同步音频的短 AI 视频,在遵循源图片内容的同时添加运动和声音。开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。
参数
| 名称 | 类型 | 默认 | 约束 | 说明 |
|---|---|---|---|---|
| image *图片 | image_upload | — | image/* · 0–1 items | 用于生成动画的视频输入图片 URL。 |
| prompt *提示词 | textarea | — | ≤ 5000 chars | 描述图片应如何生成动画效果的文本提示词。 |
| aspect_ratio宽高比 | select | 16:9 | 16:9 | 9:16 | 生成视频的宽高比。 |
| duration时长 | select | 8 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 生成视频的时长,单位为秒。 |
输出字段
| 字段 | 类型 | 说明 |
|---|---|---|
| videos | array<string> |
API
通过统一 REST API 调用本模型;在 API Keys 页获取密钥。
cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/image-to-video" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"input": {
"image": [
"https://assets-public.namifusion.com/marketplace/images/2026-06-12/638e1ee18ac7.jpeg"
],
"prompt": "Animate the image with subtle natural motion, a gentle camera push-in, consistent subject details, and cinematic light.",
"aspect_ratio": "16:9",
"duration": 8
}
}'
# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
-H "Authorization: Bearer YOUR_API_KEY"Python
import time, requests
API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}
# 1) Submit
resp = requests.post(
"https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/image-to-video",
headers=HEADERS,
json={
"input": {
"image": [
"https://assets-public.namifusion.com/marketplace/images/2026-06-12/638e1ee18ac7.jpeg"
],
"prompt": "Animate the image with subtle natural motion, a gentle camera push-in, consistent subject details, and cinematic light.",
"aspect_ratio": "16:9",
"duration": 8
}
},
)
resp.raise_for_status() # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()
# 2) Poll until a terminal state (completed / failed / cancelled).
# This model is allowed up to 300s server-side.
deadline = time.time() + 360
while task.get("status") not in ("completed", "failed", "cancelled"):
if time.time() > deadline:
raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
time.sleep(3)
poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
poll.raise_for_status()
task = poll.json()
print(task["status"], task.get("output"))JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };
// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/image-to-video", {
method: "POST",
headers: { ...HEADERS, "Content-Type": "application/json" },
body: JSON.stringify({
"input": {
"image": [
"https://assets-public.namifusion.com/marketplace/images/2026-06-12/638e1ee18ac7.jpeg"
],
"prompt": "Animate the image with subtle natural motion, a gentle camera push-in, consistent subject details, and cinematic light.",
"aspect_ratio": "16:9",
"duration": 8
}
}),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();
// 2) Poll until a terminal state (completed / failed / cancelled).
// This model is allowed up to 300s server-side.
const deadline = Date.now() + 360 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
await new Promise((r) => setTimeout(r, 3000));
const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
task = await poll.json();
}
console.log(task.status, task.output);文档
Gemini Omni Flash Image to Video API
将单张图片快速转化为带同步音频的短视频。
Gemini Omni Flash Image to Video 是一款面向图片转视频场景的 AI 模型,可基于输入图片与提示词生成短时长视频,并同步生成音频。该模型适合需要快速迭代、稳定输出与低门槛创作的场景,具备无冷启动、响应高效、成本可控等优势。
🚀 核心特性
- 图片转视频生成:将静态图片自然扩展为动态视频,保留原始画面主体与整体视觉方向。
- 同步音频输出:在生成视频的同时生成匹配场景的音频,提升内容完整度与沉浸感。
- 提示词驱动运动控制:可通过提示词描述主体动作、镜头运动、节奏变化、场景演进与音频方向。
- 简洁的宽高比控制:支持 16:9 横屏与 9:16 竖屏,便于适配不同发布渠道。
- 灵活时长设置:支持 3–10 秒 的短视频生成,适合快速测试与短内容生产。
- 无冷启动体验:适合高频调用与快速创意验证,减少等待时间并提升生产效率。
🛠️ 技术规格
| 项目 | 说明 |
|---|---|
| 模型名称 | Gemini Omni Flash Image to Video API |
| 模型 ID | google/gemini-omni-flash/image-to-video |
| 任务类型 | 图片转视频 |
| 模型架构 | 基于提示词引导的图片动画生成模型,支持同步音频输出 |
| 输入形式 | 图片 URL + 提示词 |
| 输出形式 | 视频 + 音频 |
| 输入图片 | 单张图片 URL |
| 提示词 | 必填,用于描述运动方式、镜头行为、场景变化与音频方向 |
| 宽高比 | 16:9(默认)、9:16 |
| 时长 | 3–10 秒(默认 8 秒) |
| 分辨率 | 随宽高比输出,适合横屏与竖屏短视频场景 |
| 音频能力 | 支持与视频同步生成音频 |
| 延迟表现 | 面向快速推理优化,且无冷启动 |
示例提示词
- 让人物缓慢向前走动,镜头轻微推进,背景中的树叶随风摆动,环境音为柔和风声。
- 让产品在画面中央缓慢旋转,镜头从近景拉到中景,加入干净、现代感的科技音效。
- 让城市夜景逐渐亮起霓虹灯,镜头平稳横移,整体节奏电影感,配合轻微街道环境音。
💰 价格
| 时长 | 价格 |
|---|---|
| 基础单价 | $0.14 / 秒 |
| 3 秒 | $0.42 |
| 5 秒 | $0.70 |
| 8 秒 | $1.12 |
| 10 秒 | $1.40 |
💡 最佳使用场景
- 社交媒体短视频:快速生成适配横屏或竖屏的短内容,用于短视频平台发布。
- 电商与产品展示:将商品主图转化为动态展示视频,增强视觉吸引力与信息表达。
- 创意概念验证:在正式制作前快速测试镜头运动、节奏设计与音画氛围。
- 营销与品牌内容:基于单张视觉素材快速生成带音频的宣传片段,提高内容生产效率。
🔗 相关模型
- Google Gemini 3 Pro Image Text To Image:适合从图片与文本生成静态图像内容。
- Google Gemini Omni Flash Reference To Video:适合基于参考内容进行视频生成的相关工作流。
相关模型
xAI Grok Imagine Video v1.5 图片转视频
使用文本提示词将单张输入图片生成 1-15 秒视频,支持 480p 和 720p。
Vidu Q4 Preview 图生视频
根据提示词和单张图片生成 3~16 秒视频,支持可选音频和提示词扩展,以及 540p、720p、1080p、2k、4k 分辨率。
vidu/q3/image-to-video-spicy 图片转视频
Vidu Q3 Image-to-Video Spicy 可从图片生成不限量的高质量视频,动画流畅、运动表现丰富,并针对大规模内容生成进行了优化。提供开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。
Vidu Q3 图片转视频
Vidu Q3 图片转视频将文本提示词转化为高质量视频,具有卓越的视觉保真度和多样的运动。即用型 REST 推理 API,最佳性能,无冷启动,价格实惠。

MiniMax H3 Spicy 图片转视频
通过首帧图片生成视频,支持可选提示词和末帧引导。可选 480p、540p、768p、1080p 分辨率,时长为 3–15 秒。
MiniMax H3 图片转视频
MiniMax H3 图片转视频可将首帧图片动画化为连贯的 2K 视频,支持自然语言运动指令,并可选用末帧控制,以实现一致的运动、场景连贯性和电影感视频生成。提供开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。
ltx-2.5/image-to-video 图片转视频
LTX 2.5 图片转视频可将首帧图片动画化,生成高保真、音视频同步的内容,并支持可选的末帧引导以及 720P / 1080P / 2K / 4K 输出,适用于电影感视频、社交内容、广告和制作流程。提供开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。
ai/ltx-2.3-spicy/image-to-video-lora 图片转视频
LTX 2.3 Spicy LoRA 图片转视频 API 可将参考图片和提示词转换为富有表现力的 AI 视频,并支持选择 LoRA 预设、可选的 LoRA 强度覆盖、时长和分辨率控制。在 MaaS 上可快速进行 REST 推理,无冷启动,价格实惠。